加权最小二乘估计中选择权数的迭代算法

介绍了加权最小二乘估计的性质及其常见权数选择的方法,并给出评判一个好的二乘估计的标准,由此提出选择权数的迭代算法.     

改进的偏最小二乘回归推荐算法

基于已有的相关PLS算法,提出了针对QSAR研究和工业过程控制建模的环境要求的PLS回归改进算法:加强递归PLS算法.模拟实验结果表明:在实时建模过程中,该算法的性能优于传统的PLS回归算法.     

PET成像的加权最小二乘重建算法

针对正电子发射断层成像系统,提出一种基于加权最小二乘函数的迭代重建算法.与传统的梯度型算法不同,在迭代过程中,此算法利用当前迭代点构造辅助函数,使用辅助函数的最优解代替目标函数的最优解,获得新的迭代点.该算法自动满足非负约束,无需步长因子,保证目标函数单调递减,并且具有全局收敛性.使用模拟数据和真实医学诊断数据进行实验...     

Cauchy方程组极小范数最小二乘解的快速算法

给出了求以秩为n的m×n阶Cauchy矩阵为系数矩阵的线性方程组极小范数最小二乘解的快速算法.     

一种基于最小二乘准则的自适应滤波算法

基于最小二乘准则J（n)=∑i=1^nλn-i|e(i)|^2,利用最徒梯度下降法,得到一种新的梯度型自适应滤波算法,该算法避免了递推最小二乘RLS（Recursive Least Squares)乍江需递推估计更新自相关矩阵Rxx(n)的逆的不足,计算模拟仿真结果表明该算法有良好的收敛性能,收敛速度快于LMS（Least Mean Squares)算法、NLMS（Normalized Least Mean Squares)算法和RLS算法。     

Cauchy方程组极小范数最小二乘解的快速算法

对于秩为n的m×n阶Cauchy矩阵C,通过构造特殊分块矩阵并研究其逆矩阵的三角分解,进而间接地得到了线性方程组Cx=b的极小范数最小二乘解的显式表达式及其快速算法,所需运算量为O(mn)+O(n2),而通常构造法方程组的方法所需运算量为O(mn2)+O(n3),用正交化法虽然避免了构造法方程组,但所需的运算量更大些.     

基于最小二乘影像匹配的畸变图像矫正算法研究

针对高精度的畸变图像,提出了一种基于最小二乘影像匹配的高精度畸变图像矫正算法.算法首先利用特征提取与边缘检测对图像进行预处理,并且将特征匹配与最小二乘算法相结合,从而实现了图像与模板之间精确的子像素定位与匹配.实验表明,该算法较好的解决了目前高精度畸变图像矫正算法中普遍存在的定位和匹配精度较差的缺陷,图像矫正效果良好,是一种有效的畸变图像矫正算法.     

部分最小二乘算法的神经元网络实现

部分最小二乘(PLS)算法在多元统计过程监控等领域得到了广泛应用.但常用的求解方法需要多次迭代求解残差矩阵,不利于对算法的理论分析和结论的解释.基于PLS算法的优化函数形式,该文提出一种新的PLS优化目标函数及相应简化算法.在此基础上构造了PLS算法与线性神经元网络之间的自然映射,给出了相应的训练算法及其理论分析.仿真结果验证了所提出算法的有效性,表明该算法可直接从原数据矩阵得到相应的成分及回归系数,并易于对其进行解释.     

快速采样数据建模的最小二乘算法

由于传统的ＡＲ模型不适于快速采样数据的建模，提出了基于增量差分算子建模的递推最小二乘算法，讨论了这种模型与相应连续模型的关系，数据仿真表明这种模型较之于ＡＲ模型有较好的适用性 。     

基于整体最小二乘的空间直线拟合算法

首先通过一定方式的转换将空间直线六参数拟合问题简化为平面直线四参数拟合问题,然后将方程组进行矩阵化,有利于利用整体最小二乘理论进行算法计算,最后分别利用本算法和最小二乘法对实测数据进行空间直线拟合计算,并对2种算法的结果进行比较,初步验证了本算法的可靠性和精确性.同时,将计算结果与不同文献的研究结果相比,证明了本算法的有效性与正确性.     

Loewner方程组极小范数最小二乘解的快速算法

对于秩为n的m×n阶Loewne矩阵,通过构造分块矩阵并研究其三角分解,进而得到了求线性方程组的极小范数最小二乘解的快速算法,所需运算量为O(mn)+O(m2),而通常构造法方程组的方法所需运算量为O(m2n)+O(m3),用正交化法虽然避免了构造法方程组,但所需的运算量更大。     

基于非线性最小二乘算法的超宽带TOA估计

研究室内密集多径信道环境下的超宽带到达时间(TOA)估计技术.提出一种改进的门限比较TOA估计算法,利用非线性最小二乘算法同时估计多径延时和幅度,采用迭代算法提高参数估计精度,根据判决门限比较结果终止多径搜索过程并估计出TOA.分析该算法在室内多径信道模型中的性能,给出门限的设置方案.仿真结果表明,在不同的信噪比下设置合理的判决门限后,该算法具有较高的估计精度,能够满足精确定位需求.     

正定二次规划的投影最小二乘算法

提出了正定二次规划问题的投影最小二乘算法．该算法先求目标函数无约束优化问题的解，再将此解逐次投影到有效约束的边界．迭代过程中不断更新有效约束，最终得到问题的有效约束集，进而得到问题的解．将该算法应用到FIR滤波器的约束最小二乘设计中，算法分析及约束FIR滤波器的设计例子都表明该算法的计算量远小于目前最流行的二次规划算法——有效集方法．     

一类约束最小二乘估计的神经网络算法

提出一种求解最小二乘问题的新算法,该算法通过特定函数的饱和工作方式,保证最小二乘问题对约束条件的满足,同时实现方差最小化,克服罚函数法难以得到精确解的缺陷。给出了双边约束最小二乘问题存在最优解的充分必要条件,同时证明最优解的唯一性。该算法容易用连续型神经网络实现,网络中神经元状态轨迹收敛到最小二乘问题最优解相对应的平衡点。该算法具有指数收敛速率。     

基于阶递归的几种新的最小二乘快速算法

阶递归最小二乘(LS)算法适用于观察样本个数固定且模型阶数未知时 FIR 或 AR 参数的最佳估计和识别问题中。作者从广泛适用的非对称投影算子的递归公式出发,导出了非对称的、对称的及平方根归一化的三种阶递归 LS 快速算法,其中第一种和第三种是现存文献所不具备的,第二种算法是同类型中计算量最小的算法之一。文中还给出了几种简化的算法形式,在较大程度上减小了计算量。     

最小二乘滤波算法在目标跟踪中的性能比较

目标跟踪就是对目标在每个时刻的状态作实时精确的估计。根据目标在运动过程中具有轨迹连续性的特点,采用最小二乘滤波在观测数据的基础上对目标的状态进行了估计。论文对完全最小二乘滤波算法和递推增广最小二乘算法在目标跟踪的应用作了研究,通过仿真实验并对算法的跟踪性能进行了分析。结果表明:递推增广最小二乘算法的性能优于完全最小二乘滤波算法的性能。     

最小二乘辨识算法的并行计算及实现方法

以机器人自适应扰动控制中系统参数的辨识为模型，对逆归最小二乘辨识算法的并行计算进行了较深入的研究。结果算法的实施，提出了一种基于Ｉｎｔｅｌ８０９８单片机的多单片机结构，其中单端口写入、多端口读出的共享存贮器方案可命名微处理机间直接进行数据传输，有效地提高了数据的传输速率。     

基于方向信息测度的约束最小二乘图像恢复方法

根据约束最小二乘图像恢复方法,设计了一种新的图像恢复方法,把图像方向信息测度的概念引入到图像恢复算法中．它的优点在于,克服了约束最小二乘恢复方法中平滑噪声的同时,边缘信息也被平滑了的缺点,能够在边缘信息保持与噪声平滑之间取得更好的折中．满足了人眼对边缘比较敏感的视觉特性要求．实验证明,这是一种较好的图像恢复方法．